Основные понятия
지역 우세에 기반한 알고리즘은 네트워크에서 커뮤니티 중심과 계층 구조를 효과적으로 탐지할 수 있다.
Аннотация
이 논문은 지역 우세(local dominance)에 기반한 새로운 커뮤니티 탐지 알고리즘인 Local Search(LS)를 제안한다. LS 알고리즘은 다음과 같은 과정으로 작동한다:
각 노드의 차수를 계산한다.
각 노드는 자신의 이웃 중 가장 큰 차수를 가진 노드를 부모 노드로 지정한다. 이렇게 형성된 DAG 구조에서 부모 노드가 없는 노드가 지역 리더로 식별된다.
각 지역 리더에 대해 가장 가까운 다른 지역 리더까지의 최단 경로 길이를 계산한다.
차수와 경로 길이를 고려하여 커뮤니티 중심을 식별한다.
커뮤니티 중심을 기준으로 노드들을 커뮤니티에 할당한다.
LS 알고리즘은 지역 정보만을 사용하여 효율적으로 작동하며, 커뮤니티 중심과 계층 구조를 명시적으로 탐지할 수 있다는 장점이 있다. 실험 결과, LS 알고리즘은 합성 및 실제 네트워크에서 우수한 성능을 보였다. 또한 벡터 데이터에 적용할 경우에도 기존 클러스터링 방법보다 우수한 성능을 보였다.
Статистика
네트워크의 평균 경로 길이는 2.443이다.
네트워크의 평균 클러스터링 계수는 0.256이다.
네트워크의 동질성 지수는 -0.476이다.
네트워크의 차수 분포 지수는 1.781이다.
Цитаты
"지역 우세는 네트워크에서 계층 구조를 드러낸다."
"지역 우세 기반 알고리즘은 커뮤니티 중심과 계층 구조를 명시적으로 탐지할 수 있다."
"지역 정보만을 사용하여 효율적으로 작동하는 것이 LS 알고리즘의 장점이다."